iT邦幫忙

15

[筆記]深度學習(Deep Learning)-神經網路學習

Kevin 2018-08-12 00:13:4233017 瀏覽

前言

本相關筆記幾乎都來自於O'REILLY Deep Learning這本書籍,詳細內容有興趣的可以去網上購買。
在上一章主要講到了梯度和偏微分,這次主要解釋如何利用反向傳播求梯度。在上次使用的"數值微分"它需要計算的複雜度實在是不適合拿來訓練,但若公式先自己從答案反推回去,就能得到一個最終微分公式,雖然有誤差但其實還在接受範圍。但也存在一個問題,也就是"反向傳播"很不符合學習,因為它還需要反推才能加以順利的快速學習,不太符合人腦思考,然而也找到了關於神經網路之父所提出的反向傳播問題[1],有興趣的人可以看一下。
接著用比較輕鬆的角度來看那些數學公式,畢竟真的要完全理解實從古代到至今的數學在是非常困難,但我們可以用自己的方式來去理解並且加以使用。數學是很抽象的但也因為抽象要理解一個東西的方法有非常多種,也是它迷人之處/images/emoticon/emoticon37.gif

神經網路

首先從簡單的神經網路來看我們要經過輸入層->隱藏層->輸出層。
用線性方程式看神經網路,使用線性做分類只分是或不是輸出即為1或0。

  • 二元一次線性方程式ax + by + c,在神經網路x即是神經元,a和b是權重,c是偏權值(移動量10如下圖),輸出分為兩類等於0或小於0,因此公式為(x * w) + c若小於0則輸出0,若大於等於0輸出1。
    https://ithelp.ithome.com.tw/upload/images/20180806/20110564CejkFyYYkD.png

  • 一般神經網路的輸入可能為多組向量(批量處理),然而權重相對也是多組向量,因此在神經網路都會用下圖[3]來去表達,下方代表輸入3個向量乘上3組權重,此時就變成了矩陣相乘,這裡我們只用了一層網路,假如x是N * M的矩陣那麼W即是M * 2的矩陣,W的2是因為我們只分兩類若三類則是3已此類推,由矩陣相乘可得知N * M乘上M * 2會等於N * 2的大小,即可知道N筆資料每一筆是屬於哪一類。
    https://ithelp.ithome.com.tw/upload/images/20180806/20110564Rec28rSgoq.png
    源:維基百科神經網路[2]

範數

首先先複習一下我們上次所說的偏微分,還記得老師說過"可微分必定連續,連續卻不一定可微分"嗎,這裡介紹正規化使用的範數[4],它是個很好的例子。什麼是範數?我把它想像是用來計算向量的長度,仔細觀察它們的公式會和距離公式(歐幾里得距離)相似,常拿來正規化或比較大小,這次介紹兩種常用範數。

  • 範數L1: 公式https://ithelp.ithome.com.tw/upload/images/20180812/201105643QgBrnoo5O.png,x / x絕對值總和,例如,p1(2, 0)和p2(1, 1)的L1範數,p1範數 = 2,p2範數 = 2,使用L1正規化得到的值不是那麼的穩定,因範數L1的解容易相同,如p1.p2容易凝合若要做反向傳播(反推)時就會受影響,比較適合處理稀疏性問題。

  • 範數L2: 公式https://ithelp.ithome.com.tw/upload/images/20180807/20110564cLy6OekLy5.png,x / x^2總和,例如,p1(2, 0)和p2(1, 1)的L1範數,p1範數 = 2,p2範數 = sqrt(2),由範例可知L2可以解決L1凝合問題。

下圖為L1和L2比較圖,我們可以看到L2是連續平滑函數,所以可以微分,L1雖然是連續但不是平滑函數,所以不可微分(都是常數無意義),因此在數學當中平滑函數比非平滑函數好處理許多,在機械學習也運用了許多L2範數來正規化等等。
https://ithelp.ithome.com.tw/upload/images/20180807/20110564az2qQFywwi.png

數學e

還記得在大學的微積分突然跑出個自然數e嗎?,這裡簡單介紹一下e的由來和特性為何工程上等等都會使用e。

2的對數表

平常使用的log就像是一張對數表,用log角度來看以2為基底如下[9]:

  • 第一項 2^1 = 1
  • 第二項 2^2 = 4
  • 第三項 2^3 = 8
  • 第四項 2^4 = 16
  • 第五項 2^5 = 32
    當平常我們在計算4 * 8 = 32時候,在這對數表裡就等於第二項 + 第三項 = 第五項(2 + 3 = 5)[9],也就是我們平常所說的基底一樣的指數的相乘只需要將指數相加。

e的起源

  • 納皮爾想出了一個對數公式為x = b^y = (1 - 1 / 10^8)^y,我們實際計算一次如下圖[7],它變化非常小幾乎能在這張對數表找到我們目前所需要的"小數精準對數數字"。
    https://ithelp.ithome.com.tw/upload/images/20180810/20110564gNO1ECt0hy.png
    [7]

  • 銀行在使用期數計算利息時也運用到類似的公式,例如,假設我們利率為100%(這裡設定100%,推導公式先忽略)
    一年一期:金額 = 本金 * (1 + 1 / 1)
    一年二期:金額 = 本金 * (1 + 1 / 2) * (1 + 1 / 2)
    一年三期:金額 = 本金 * (1 + 1 / 3) * (1 + 1 / 3) * (1 + 1 / 3)
    一年N期:金額 = 本金 * (1 + 1 / N)^N

自然對數e

  • 尤拉證明了lim n->無限 = (1 + 1 / n)^n = 2.71828182846....命名為e,代表著e是個收斂函數[8],表示你可以製作出0.00000000000...1的對數表[9],因為它的小數點精準度和趨近無限的收斂特性(無限分割),還有它的穩定性,轉換後約差0.06%[10],可以使數值增大又相對穩定如下圖比較,微分時候也容易許多,我想這就是機器學習和期它工程為何都要使用它的原因,而與loge相對的是ln,公式為e^x = y,x = ln y,也就是log2.71828182846.. = ln(1)。
    https://ithelp.ithome.com.tw/upload/images/20180810/201105649JG77LI62G.png
    上述簡單介紹e,關於e的資訊還有非常多用途可上維基百科查詢。

梯度下降

上篇文章介紹的梯度,這次要將梯度拿來做訓練,上次所展示圖是計算出來的可視化梯度,然而若要訓練梯度(把梯度縮小),它的方向就必須往內縮,可以想像上次每一個點都趨近於原點(最小位置)如下圖,最後我們訓練結果的確會很接近(0,0),表示若有N筆資料輸入到函數(神經網路)使用梯度下降訓練係數(權重.偏權重等等),這N筆資料最後的梯度若都是很接近的(0, 0),那表示此函數(神經網路)可用來取的往後輸入的資料是否與目前N筆資料相似等等。
https://ithelp.ithome.com.tw/upload/images/20180807/20110564kp3rP0d8U6.png

訓練時我們需要計算梯度以外還需要給它一個訓練值,訓練值主要用來控制下降大小這裡介紹幾種梯度下降公式。

  • SGD:公式https://ithelp.ithome.com.tw/upload/images/20180807/201105646wVmJQQ48n.png,原始的x(權重) - 訓練值 * 取得x在神經網路的變化(偏微分),但若方向原始不是只向最小值(二維平面解釋:權重差異極大導致箭頭幾乎貼近x軸或y軸),例如歐萊里書籍提到的f(x, y)1 / 20 * x^2 + y^2 ,我們使用上次用C#來實作,多新增一個Fun2如下方程式碼取代原先的Fun1,結果如圖一,很明顯箭頭方向指向的地方差別非常大,會導致訓練必須花費更多時間甚至無法達到最好結果如圖二(也可說它不平滑)。
    https://ithelp.ithome.com.tw/upload/images/20180807/2011056413a7AqQntK.png
    圖一

https://ithelp.ithome.com.tw/upload/images/20180807/20110564pQSMpffgbI.png
圖二

class Function2 : Function
{
    public float Formula(float x, float y)
    {
        return x * x / 20.0f + y * y;
    }
    
    // 手動計算微分,圖二使用
    public PointF2D DiffFormula(float x, float y)
    {
        return new PointF2D(x / 10.0f, 2.0f * y);
    }
}

// 圖二使用繪製梯度下降
private void DrawSGD(Graphics graphics, DrawF draw)
{
    ArrayList history = new ArrayList();
    PointF2D point = new PointF2D(-4.0f, 2.0f);
    Function2 fun = new Function2();
    SGD optimizer = new SGD(0.95f);

    for (int index = 0; index < 30; index++)
    {
        PointF2D xyPoint = draw.getBlockPoint(point.X, point.Y);
        history.Add(xyPoint);
        PointF2D diff = fun.DiffFormula(point.X, point.Y);
        optimizer.Update(point, diff);
    }

    PointF2D prePoint = ((PointF2D)history[0]);

    for (int index = 0; index < 30; index++)
    {
        draw.drawPoint(graphics, Brushes.Blue, ((PointF2D)history[index]));
        draw.drawLine(graphics, prePoint, ((PointF2D)history[index]));
        prePoint = ((PointF2D)history[index]);
    }
}

// 圖二使用繪製梯度下降法函數
class SGD
{
    private float _lr;

    public SGD(float lr)
    {
        _lr = lr;
    }

    public void Update(PointF2D point, PointF2D grad)
    {
        point.X = point.X - grad.X * _lr;
        point.Y = point.Y - grad.Y * _lr;
    }
}
  • Momentum:公式https://ithelp.ithome.com.tw/upload/images/20180807/20110564TGEsKc9zUQ.png,這裡主要加入了物理的摩擦力想法,多了一個m參數主要用來控制上一個動作(梯度)的摩擦力,就像你把一個東西往前推兩次,第一次向前推物體移動,若直接推第二次物體他還會加上原先的損失受力(已經在移動原先受力已經損耗),利用這原理可讓訓練更快也讓函數更加平滑,這裡可以看出平滑函數的浮動和SGD相比差異。
    https://ithelp.ithome.com.tw/upload/images/20180807/20110564rfGodOPUTO.png
// 原本SGD只需換成Momentum
private void DrawMomentum(Graphics graphics, DrawF draw)
{
    ArrayList history = new ArrayList();
    PointF2D point = new PointF2D(-4.0f, 2.0f);
    Function2 fun = new Function2();
    Momentum optimizer = new Momentum(0.07f, 0.9f);

    for (int index = 0; index < 30; index++)
    {
        PointF2D xyPoint = draw.getBlockPoint(point.X, point.Y);
        history.Add(xyPoint);
        PointF2D diff = fun.DiffFormula(point.X, point.Y);
        optimizer.Update(point, diff);
    }

    PointF2D prePoint = ((PointF2D)history[0]);

    for (int index = 0; index < 30; index++)
    {
        draw.drawPoint(graphics, Brushes.Blue, ((PointF2D)history[index]));
        draw.drawLine(graphics, prePoint, ((PointF2D)history[index]));
        prePoint = ((PointF2D)history[index]);
    }
}

// Momentum函數
class Momentum
{
    private float _lr;
    private float _m;
    private float[] _v;

    public Momentum(float lr, float m)
    {
        _lr = lr;
        _m = m;
        _v = new float[2];
    }

    public void Update(PointF2D point, PointF2D grad)
    {
        _v[0] = _m * _v[0] + grad.X * _lr;
        _v[1] = _m * _v[1] + grad.Y * _lr;
        point.X = point.X - _v[0];
        point.Y = point.Y - _v[1];
    }
}
  • AdaGrad: 公式https://ithelp.ithome.com.tw/upload/images/20180807/20110564kKiQHBqvVo.png,這時候就可以使用L2範化,還記得上面L2範化圖嗎,它就是利用此方法所畫出的圖形,更新到最後會趨近於0(等於0),這方法可讓學習依L2相對的"比例"衰減,與過去梯度的平方來取得相對應的相對的比例,可看到下圖更新速度和平滑度都是不錯的。
    https://ithelp.ithome.com.tw/upload/images/20180808/201105645CdlI1TPNY.png
private void DrawAdaGrad(Graphics graphics, DrawF draw)
{
    ArrayList history = new ArrayList();
    PointF2D point = new PointF2D(-4.0f, 2.0f);
    Function2 fun = new Function2();
    AdaGrad optimizer = new AdaGrad(0.7f);

    for (int index = 0; index < 30; index++)
    {
        PointF2D xyPoint = draw.getBlockPoint(point.X, point.Y);
        history.Add(xyPoint);
        PointF2D diff = fun.DiffFormula(point.X, point.Y);
        optimizer.Update(point, diff);
    }

    PointF2D prePoint = ((PointF2D)history[0]);

    for (int index = 0; index < 30; index++)
    {
        draw.drawPoint(graphics, Brushes.Blue, ((PointF2D)history[index]));
        draw.drawLine(graphics, prePoint, ((PointF2D)history[index]));
        prePoint = ((PointF2D)history[index]);
    }
}

// AdaGrad函數
class AdaGrad
{
    private float _lr;
    private float[] _l2;

    public AdaGrad(float lr)
    {
        _lr = lr;
        _l2 = new float[2];
    }

    public void Update(PointF2D point, PointF2D grad)
    {
        _l2[0] = _l2[0] + grad.X * grad.X;
        _l2[1] = _l2[1] + grad.Y * grad.Y;
        point.X = point.X - _lr * grad.X / (float)Math.Sqrt(_l2[0] + 0.0000001f);
        point.Y = point.Y - _lr * grad.Y / (float)Math.Sqrt(_l2[1] + 0.0000001f);
    }
}
  • RMSProp: 公式https://ithelp.ithome.com.tw/upload/images/20180808/20110564IHy17yEySX.png,AdaGrad的改進,這裡多了一個q衰減率,每次學習都會讓過去的權重依一定比例衰減,然而就比原先AdaGrad的函數更加多變,更適合拿來處理多變函數的學習(與原先函數相比),如下圖衰減率0.9(每次損失倍率0.1),學習率比原先的AdaGrad還要小,點和點的間距也明顯縮小,可以讓學習更加穩定。這裡衰減率的想法就像聲波光波"傳遞"時會衰減,依人工智慧角度來看就是記憶力,會隨著時間消逝而慢慢遺忘。

https://ithelp.ithome.com.tw/upload/images/20180808/201105649F2hFXlF1M.png

private void DrawRMSProp(Graphics graphics, DrawF draw)
{
    ArrayList history = new ArrayList();
    PointF2D point = new PointF2D(-4.0f, 2.0f);
    Function2 fun = new Function2();
    RMSProp optimizer = new RMSProp(0.5f, 0.9f);

    for (int index = 0; index < 30; index++)
    {
        PointF2D xyPoint = draw.getBlockPoint(point.X, point.Y);
        history.Add(xyPoint);
        PointF2D diff = fun.DiffFormula(point.X, point.Y);
        optimizer.Update(point, diff);
    }

    PointF2D prePoint = ((PointF2D)history[0]);

    for (int index = 0; index < 30; index++)
    {
        draw.drawPoint(graphics, Brushes.Blue, ((PointF2D)history[index]));
        draw.drawLine(graphics, prePoint, ((PointF2D)history[index]));
        prePoint = ((PointF2D)history[index]);
    }
}

class RMSProp
{
    private float _lr;
    private float _q;
    private float[] _sum;

    public RMSProp(float lr, float q)
    {
        _lr = lr;
        _q = q;
        _sum = new float[2];
    }

    public void Update(PointF2D point, PointF2D grad)
    {
        _sum[0] = _q * _sum[0] + grad.X * grad.X;
        _sum[1] = _q * _sum[1] + grad.Y * grad.Y;
        point.X = point.X - _lr * grad.X / (float)Math.Sqrt(_sum[0]);
        point.Y = point.Y - _lr * grad.Y / (float)Math.Sqrt(_sum[1]);
    }
}
  • Adam: 公式https://ithelp.ithome.com.tw/upload/images/20180808/20110564NwSXM4DgoS.png,Adam將RMSProp和Momentum結合並計算偏差值,這裡運用到統計學計算方式未來有機會學習到在介紹真正原理。先來講解一下自己本身看法,beta1主要控制目前梯度加總的衰減率,beta2主要控制L2範數衰減率。然而這裡我們要計算偏差值,我們希望在N步前的比例是beta,近N步比例是(1 - beta)[6],然而需要計算近N步所占的比率,當你疊代1次我們所占的比例會乘上beta,因此偏差得到beta / (1 - beta^疊代次數),最後x減掉學習率乘上L2正規化lr * fixbeta1 / sqrt(fixbeta2)。簡單來說我們主要利用過去梯度,在計算從一開始到現在的疊代的比例,正規化後來去穩定更新梯度。
    https://ithelp.ithome.com.tw/upload/images/20180808/20110564QQIHX2Nw3A.png
private void DrawAdam(Graphics graphics, DrawF draw)
{
    ArrayList history = new ArrayList();
    PointF2D point = new PointF2D(-4.0f, 2.0f);
    Function2 fun = new Function2();
    Adam optimizer = new Adam(0.17f, 0.9f, 0.999f);

    for (int index = 0; index < 30; index++)
    {
        PointF2D xyPoint = draw.getBlockPoint(point.X, point.Y);
        history.Add(xyPoint);
        PointF2D diff = fun.DiffFormula(point.X, point.Y);
        optimizer.Update(point, diff);
    }

    PointF2D prePoint = ((PointF2D)history[0]);

    for (int index = 0; index < 30; index++)
    {
        draw.drawPoint(graphics, Brushes.Blue, ((PointF2D)history[index]));
        draw.drawLine(graphics, prePoint, ((PointF2D)history[index]));
        prePoint = ((PointF2D)history[index]);
    }
}

class Adam
{
    private float _lr;
    private float _beta1;
    private float _beta2;
    private float[] _b1Sum;
    private float[] _b2Sum;
    private int _iter;
    public Adam(float lr, float beta1, float beta2)
    {
        _lr = lr;
        _beta1 = beta1;
        _beta2 = beta2;
        _b1Sum = new float[2];
        _b2Sum = new float[2];
        _iter = 1;
    }

    public void Update(PointF2D point, PointF2D grad)
    {
        _b1Sum[0] = _beta1 * _b1Sum[0] + (1.0f - _beta1) * grad.X;
        _b1Sum[1] = _beta1 * _b1Sum[1] + (1.0f - _beta1) * grad.Y;

        _b2Sum[0] = _beta2 * _b2Sum[0] + (1.0f - _beta2) * grad.X * grad.X;
        _b2Sum[1] = _beta2 * _b2Sum[1] + (1.0f - _beta2) * grad.Y * grad.Y;

        float[] b1Fix = new float[2];
        b1Fix[0] = _b1Sum[0] / (1.0f - (float)Math.Pow(_beta1, _iter) + 0.00000001f);
        b1Fix[1] = _b1Sum[1] / (1.0f - (float)Math.Pow(_beta1, _iter) + 0.00000001f);

        float[] b2Fix = new float[2];
        b2Fix[0] = _b2Sum[0] / (1.0f - (float)Math.Pow(_beta2, _iter) + 0.00000001f);
        b2Fix[1] = _b2Sum[1] / (1.0f - (float)Math.Pow(_beta2, _iter) + 0.00000001f);

        point.X = point.X - _lr * b1Fix[0] / ((float)Math.Sqrt(b2Fix[0]) + 0.00000001f);
        point.Y = point.Y - _lr * b1Fix[1] / ((float)Math.Sqrt(b2Fix[1]) + 0.00000001f);
        _iter++;
    }
}

活化函數

上述所說的輸出0或1是就是屬於活化函數的其中一種(階梯函數),活化函數主要是用來分界,然而活化函數有非常多種,在這裡主要介紹其中的兩種,這裡做大概介紹。

  • Sigmoid函數:公式為1 / (1 + exp(-x)),主要分布於0 ~ 1但到某個值(好像是4.X和-4.X)會非常趨近1和0。這時候超過某個值都會是相同的,也就是我們會失去一些原先的訊息。

  • Relu函數:公式為x < 0輸出0,x > 0輸出x,主要分布0~N,把小於0的值都設定為0,大於直接輸出。但這時候我們將會失去負號的相關資訊,然而就有人提出進階的Relu想法(合併Sigmoid函數等等)。
    https://ithelp.ithome.com.tw/upload/images/20180806/201105645GtKWfkB28.png
    階梯函數

https://ithelp.ithome.com.tw/upload/images/20180806/20110564Vss9Ndy3R8.png
Sigmoid

https://ithelp.ithome.com.tw/upload/images/20180806/20110564DpIe29olUX.png
Relu

然而使用這裡使用Relu函數或Sigmoid函數來取代階梯函數,他們保留的資訊比階梯函數多,往後才能取得梯度,比較不會導致梯度消失(原始資訊消失),資訊流失少我們取梯地做反向傳播資料也會比較正確。

輸出層活化函數

當資料處理完,選擇我們解決的問題所需函數。輸出層函數的選擇分為兩種,第一回歸問題(預測數值),第二分類問題(分類機率)。

  • 回歸問題我們使用恆等函數(直接輸出)。
  • 分類問題我們使用softmax函數,公式f(x, i) = exp(xi) / sigma 1~n(exp(x)),i為第i個x,n為x總數量,主要使用指數歸一化,softmax比例差距會放大使學習更快等等[3],由Sigmoid平滑函數延伸而來,利用平滑特性給予相對的權重,將目前機率放大,e對小數指數也有比較好的對照表,也可以使用其它的但我結果可能不一定會更好。

損失函數

損失函數

損失函數主要是拿來與我們"現在已有的正確答案"來做比對,會依據損失函數來去判斷輸出的分類結果和正確答案的誤差,這時候你會想到前面介紹的範數,使2個向量去做比較,以下介紹兩種損失函數。

均方誤差函數

公式https://ithelp.ithome.com.tw/upload/images/20180808/201105642T3feJrre2.png,我們把它當作再算兩點距離相加,1 / 2似乎是因為方便微分可有可無。參考此文章,首先我們先使用簡單的方式來更新,我們將前面結合起來 輸入神經元 -> * 權重 + 偏權重 -> softmax正規化 -> 均方誤差比較 -> 取得誤差梯度 -> 更新梯度(這裡使用SGD),疊代300次。假設一權重 = 0.6.偏權重 = 0.9,假設二權重 = 2,偏權重 = 2 [6]。疊代300次結果如下圖,可以看到假設二剛開始更新很慢,不穩定這就是均方誤差更新的缺點。

https://ithelp.ithome.com.tw/upload/images/20180808/20110564jU1caKK6xu.png

import numpy as np
import matplotlib.pylab as plt

def sigmoid(x):
	return 1 / (1 + np.exp(-x))

def fun(x, w, b):
	return x * w + b

def loss(x, w, b):
	a = fun(x, w, b)
	y = sigmoid(a)
	return 0.5 * (y ** 2)

def get_grad(x, w, b):
	h = 1e-2
	grad = {}

	temp = w
	w = temp + h
	fun1 = loss(x, w, b)
	w = temp - h
	fun2 = loss(x, w, b)
	w = temp
	grad['dW'] = (fun1 - fun2) / (2 * h)

	temp = b
	b = temp + h
	fun1 = loss(x, w, b)
	b = temp - h
	fun2 = loss(x, w, b)
	b = temp
	grad['db'] = (fun1 - fun2) / (2 * h)
	return grad

def tran(x, w, b):
    lr = 0.15
    times = 300

    history_y = []

    for index in range(300):
        a = fun(x, w, b)
        y = sigmoid(a)
        history_y.append(y)
        grad = get_grad(x, w, b)
        w -= lr * grad['dW']
        b -= lr * grad['db']
    return history_y

if __name__ == '__main__':
    y1 = tran(1, 0.6, 0.9)
    y2 = tran(1, 2, 2)
    plt.plot(np.arange(0, 300, 1), np.array(y1), label = 'W = 0.6')
    plt.plot(np.arange(0, 300, 1), np.array(y2), label = 'W = 2')
    plt.legend()
    plt.show() 

交叉熵函數

公式https://ithelp.ithome.com.tw/upload/images/20180808/201105642gVS5XGCx8.png,利用統計學的交叉熵來去取得目前的誤差,以下介紹信息熵。直觀角度觀看就是在計算A的信息量乘上所佔的B的比例,也就是當算出來結果熵越高代表信息越多(也能說獲得的利益越大)。

信息熵(無二類)
在統計學中的信息熵公式https://ithelp.ithome.com.tw/upload/images/20180810/20110564gnGpQsNZ15.png,它主要是計算每個訊息估計需要拿取幾次才能得到,參考[11]的題目我們這裡用二元樹分析。
假設一:有四顆球分別為黃色.綠色.紅色.藍色比率均為1 / 4,使用用二元樹來分析它的信息熵如下圖1,在二元樹當中每一層只有分拿與不拿兩種可能,走一層算拿一次(Root下去算第一層)。

  • 黃:第一層->左(拿1次)->第二層->左(拿2次)->黃色 2次
  • 綠:第一層->左(拿1次)->第二層->右(拿2次)->綠色 2次
  • 紅:第一層->右(拿1次)->第二層->左(拿2次)->紅色 2次
  • 藍:第一層->右(拿1次)->第二層->右(拿2次)->藍色 2次
    訊息熵 = 1 / 4 * 2 + 1 / 4 * 2 + 1 / 4 * 2 + 1 / 4 * 2 = 2

假設二:有四顆球分別為黃色有1 / 2.綠色有1 / 4.紅色有1 / 8.藍色有1 / 8,使用用二元樹來分析它的信息熵如下圖2,在二元樹當中每一層只有分拿與不拿兩種可能,走一層算拿一次(Root下去算第一層)。

  • 黃:第一層->左(拿1次)->黃色 1次
  • 綠:第一層->右(拿1次)->第二層->左(拿2次)->綠色 2次
  • 紅:第一層->右(拿1次)->第二層->右(拿2次)->第三層->左(拿3次)->紅色 3次
  • 藍:第一層->右(拿1次)->第二層->右(拿2次)->第三層->右(拿3次)->藍色 3次
    訊息熵 = 1 / 2 * 1 + 1 / 4 * 2 + 1 / 8 * 3 + 1 / 8 * 3 = 1.75
    因此推導出此公式信息熵 = sigma 機率 * log2(1 / 機率)
    https://ithelp.ithome.com.tw/upload/images/20180810/2011056481VOBsssT3.png
    圖1
    https://ithelp.ithome.com.tw/upload/images/20180810/20110564yrkyvoDyV7.png
    圖2

交叉熵
交叉摘公式https://ithelp.ithome.com.tw/upload/images/20180810/20110564kh43fXM3A9.png,你會發現與信息熵差了一個q,沒錯其實它們是一樣的只是當我們今天要比對哪個信息(拿的次數)更符合我們現在的q,信息越小代表越好。
例如我們把剛剛假設二的次數更換為假設一,交叉熵 = 1 / 2 * 2 + 1 / 4 * 2 + 1 / 8 * 2 + 1 / 8 * 2 = 2,比原本的1.75還大,代表著原本的拿取方式更加準確。
https://ithelp.ithome.com.tw/upload/images/20180811/201105641aRtIN4gz1.png

# 取代平均方差,這裡我們測試,只有一個答案,所以用原來的交叉熵公式
def loss(x, w, b):
	a = fun(x, w, b)
	y = sigmoid(a)
	return -np.sum(0 * np.log(y) + (1 - 0) * np.log((1 - y) + 1e-7))

原來的交叉熵公式只有分兩類,所以當輸出答案是0或1就代表已經訓練完成,所以才需要多計算(1 - 正確答案)防止遇到0情況,本例題就是0,但通常我們我們訓練都會使用上述公式。
在程式上面我們使用的log為e若不清楚為何要用e可往上看,然而這裡比較不同的地方是多了-1 / n,n是為了計算批量,而負號在這裡的解釋為"差多少"(我少1所以要加1的意思),而不是"誤差多少"。

結語

人工智慧運用了線代.離散.統計...等等,要學的東西真的是滿多的,老師當時在教的時候只會算卻不知道它能做甚麼,使用了才發現這些要去理解它在做甚麼"用途",也不用特地背公式,當然能背起來最好,最後一年大學希望能增加自己能力也希望推甄可以進。
這次文章寫了有一點久,原先想把反向傳播和優化等等全部加進去,但似乎只能放到下一次文章了。這次記錄這些筆記主要將數學公式敘述成自己想法,然而可以自行創造新的公式,但有的可能想法有誤,將來學到正確的想法還會再更新錯誤的想法,若有錯誤麻煩糾正,祝大家假日愉快/images/emoticon/emoticon41.gif

參考網址

[1]https://kknews.cc/science/b4l89a6.html
[2]https://zh.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C
[3]https://zh.wikipedia.org/wiki/Softmax%E5%87%BD%E6%95%B0
[4]https://www.jianshu.com/p/de05e6745fb6
[5]http://www.voidcn.com/article/p-sazgzwbp-cc.html
[6]https://hit-scir.gitbooks.io/neural-networks-and-deep-learning-zh_cn/content/chap3/c3s1.html
[7]http://otherchang.pixnet.net/blog/post/31904616-%E8%87%AA%E7%84%B6%E5%BA%95%E6%95%B8-e-%E7%9A%84%E5%AE%9A%E7%BE%A9-%28%E4%B8%8A%29
[8]https://zh.wikipedia.org/wiki/E_(%E6%95%B0%E5%AD%A6%E5%B8%B8%E6%95%B0)
[9]http://blog.udn.com/cchahacaptain/4565752
[10]https://stats.stackexchange.com/questions/27682/what-is-the-reason-why-we-use-natural-logarithm-ln-rather-than-log-to-base-10
[11]https://www.zhihu.com/question/41252833


圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

1 則留言

0
小碼農米爾
iT邦高手 1 級 ‧ 2018-08-12 00:33:26

感謝大大分享,內容超級豐富,不過我數學不好讀起來有點吃力,
過陣子有空再來補充深度學習的知識,
您的 Cubic UFO 不明立體飛行物,我還在研究中呢,哈哈哈。
/images/emoticon/emoticon32.gif

Kevin iT邦新手 1 級 ‧ 2018-08-12 10:07:14 檢舉

數學很抽象需要想像力,可以看參考網址想出自己的方式比較適合自己。
那題重點大概是旋轉矩陣和找凸型點在二分法算面積,但題目給的座標不是(0, 0, 0)而是中心(0.5, 0.5, 0.5)我也是上網找三維座標相關才知道它說的中心點意思哈哈。

了解,對於數學我要學的還很多,看您將數學公式畫成曲線圖就覺得很厲害。
/images/emoticon/emoticon37.gif

Kevin iT邦新手 1 級 ‧ 2018-08-14 18:43:35 檢舉

看圖形比較好理解, 我數學也爛爛的還在努力

我要留言

立即登入留言